基于人工神经网络和专家系统的精炼过程钢水温度预测模型.pdfVIP

· 22 · 重 型 机 械 基于人工神经网络和专家系统的 精炼过程钢水温度预测模型 李 强，曹 刚 (西安理工大学 自动化与信息工程学院，陕西 西安 710048) 摘 要：通过分析影响精炼炉冶炼过程中钢水温度变化的主要因素，利用 BP人工神经网络与专 家控制相结合方法，建立了精炼过程钢水温度预测模型，并利用 c#语言编程实现。应用该模型对精 炼炉钢水温度进行预测，对预测结果进行了统计分析。结果表明，该模型对精炼过程钢水温度的预报 误差为4-5℃，准确率达到85％。 关键词 ：温度预估 ；神经网络；专家系统 中图分类号：TF769．2 文献标识码：A 文章编号：1001—196X(2010)06—0022一o4 Forecastingmodelforthemolten steeltemperaturein refiningfurnace basedon artificialneuralnetwork and expertsystem LIQiang，CAOGang (SchoolofAutomationandInformationEngineering，Xi’anUniversityof Technology，Xi’an710048，China) Abstract：Thisarticleanalyzedthemainfactorswhichinfluencethemoltensteeltemperaturechanginginre— finingprocessofthefurnace，buildforecastingmodelformoltensteeltemperaturebythecombinationofBP artificialneuralnetworkand expe~ controlandthemodelcanbeoperated byuseofC# languageprogram— ming．Themodelcanbeusedtoforecastthetemperatureofmoltensteelinrefiningfurnaceandtheresultsof statisticanalysisshow thatthetemperaturedeviationofmohensteelinrefiningfurnaceforecastedbythismod— elis ±5oC ，thehitratereaches85％ ． Keywords：temperatureforecast；neuralnetworks；expeflsystem - 主要的影响因素有钢包温度、包龄、冶炼过程中 1 前言 的吹氩量、渣厚、耗电量和加入的物料(合金和渣 LF精炼过程 中，钢水温度对钢的产量和质 料)等，而且这些因素对钢水温度的影响很难用数 量、钢包的寿命等都有很重要的影响。冶炼过程 学方法精确描述。 中，对温度的准确预测，不但可以提高产品质量， 本文以某钢铁有限公司的宽厚板生产线LF炉 而且在一定意义上可以降低生产成本。由于特殊 为研究对象，提出将BP神经网络和专家系统相结 的生产环境，直接连续地测量钢水温度是不现实 合的方法，建立冶炼过程钢水温度预测模型，并 的。所以，如何建立一个有效的、能够精确预估 且可以根据积累的历史数据不断调整专家系统的 温度的模型，是一个迫切需要解决的问题。然而， 参数，最后，利用C#语言编程实现了系统。 LF冶炼过程中，影响温度的因素很多也很复杂，